Prompt engineer - czy to jeszcze zawód? Praca, umiejętności i oferty

Krótka odpowiedź

Jako osobne stanowisko prompt engineer jest dziś rzadkością, przynajmniej w ofertach, które zbieramy. Jako umiejętność ma się dobrze, tyle że stała się jednym z elementów szerszych ról. Dlatego szukając pracy, lepiej nie ograniczać się do tej jednej nazwy.

Spójrzmy na liczby z naszej bazy. Spośród 228 aktywnych ofert słowo „Prompt” ma w tytule 0, a frazę „AI Engineer” - 23. Gdy na początku listopada 2026 r. przejrzeliśmy pełne opisy, słowo „prompt” występowało w 52 z 228 ogłoszeń. To migawka z jednego serwisu, a nie obraz całego rynku, ale kierunek jest czytelny: firmy rzadko szukają „pisarza promptów”, częściej kogoś, kto potrafi zbudować działający system z modelem językowym.

Co piszą pracodawcy

Ogłoszenia dobrze pokazują, jak różnie może wyglądać ta umiejętność w praktyce (przykłady z listopada 2026 r.):

• Role inżynierskie. Software Mind w ofertach AI Engineera wymienia rozwijanie strategii prompt engineeringu razem z ich ewaluacją i iteracją. Capgemini w ofercie GenAI Engineera łączy prompt engineering z orkiestracją wieloetapowych przepływów pracy.
• Role produktowe i projektowe. Docplanner szuka AI Project Managera, który sam konfiguruje narzędzia, pisze i testuje prompty oraz buduje agenty i automatyzacje.
• Role operacyjne. Kraken w ofercie AI Growth Ops zaznacza, że kandydat interesujący się prompt engineeringiem nie musi być inżynierem.

Wniosek: sama umiejętność nie wyznacza ścieżki kariery. Liczy się to, z czym ją połączysz - z programowaniem, produktem, operacjami albo wiedzą z konkretnej dziedziny. Jeśli nie wiesz jeszcze, która rola pasuje do Ciebie najlepiej, przeczytaj nasze porównanie AI Engineera, ML Engineera i Data Scientista.

Od promptu do kontekstu

Część tej zmiany widać też w słownictwie. We wrześniu 2025 r. Anthropic opisał context engineering jako naturalną kontynuację prompt engineeringu. W tym ujęciu prompt engineering dotyczy pisania i porządkowania instrukcji dla modelu, a context engineering obejmuje wszystko, co trafia do okna kontekstowego: instrukcje systemowe, narzędzia, MCP, dane zewnętrzne i historię rozmowy.

Różnica ma praktyczne znaczenie zwłaszcza przy agentach AI. Prompt można napisać raz, natomiast agent działający w pętli przy każdym kroku potrzebuje decyzji, które informacje przekazać modelowi. Anthropic wskazuje kilka technik pracy przy dłuższych zadaniach:

• Kompakcja - streszczenie długiej rozmowy i kontynuacja pracy w nowym oknie kontekstowym.
• Notatki poza kontekstem - agent zapisuje postępy w zewnętrznym miejscu i wraca do nich w razie potrzeby.
• Podagenci - wyspecjalizowane agenty wykonują wycinek pracy i zwracają tylko zwięzłe podsumowanie.
• Pobieranie danych w chwili, gdy są potrzebne - agent trzyma lekkie odnośniki, np. ścieżki do plików, a treść wczytuje narzędziami. Uzupełnia to podejście znane z RAG, gdzie dane wyszukuje się przed wywołaniem modelu.

Prompting traktuj jak inżynierię

Największa różnica między hobbystą a osobą, którą warto zatrudnić, leży w sposobie weryfikacji wyników. Widać to w dokumentacji dostawców modeli:

• Anthropic zakłada, że zanim zaczniesz poprawiać prompt, masz jasno określone kryteria sukcesu, sposób empirycznego sprawdzania ich spełnienia i pierwszą wersję promptu. Zaznacza też, że nie każdy problem rozwiązuje się promptem - opóźnienia i koszty można nieraz poprawić, wybierając inny model.
• OpenAI zaleca przypinanie aplikacji produkcyjnych do konkretnych wersji modeli, budowanie testów i zestawów ewaluacyjnych mierzących zachowanie promptów oraz przechowywanie promptów w kodzie, z przeglądem zmian i testami.
• Google w dokumentacji Gemini opisuje projektowanie promptów jako proces iteracyjny i rekomenduje stosowanie przykładów (few-shot) ze spójnym formatowaniem.

Ta praktyka przekłada się na ogłoszenia: słowa „evaluation” lub „eval” pojawiały się w opisach 78 z 228 ofert z naszego listopadowego przeglądu (część z nich może dotyczyć innego rodzaju ocen, nie tylko modeli). Umiejętność zmierzenia, czy nowa wersja promptu działa lepiej, jest więc warta więcej niż kolekcja „sprytnych” formułek.

Czego się uczyć

1. Pisania jasnych instrukcji. Określaj zadanie, format odpowiedzi i ograniczenia, dodawaj dobrze dobrane przykłady. Praca nad promptem zaczyna się od tego, ale na tym się nie kończy.
2. Ewaluacji. Zbuduj zestaw testowy z trudnymi przypadkami, ustal kryteria oceny i porównuj wersje promptu na tych samych danych. Sprawdzaj też halucynacje.
3. Podstaw programowania. Do ról inżynierskich potrzebujesz Pythona, pracy z API, kontroli wersji i testów. Na stanowiskach nietechnicznych wystarczą często narzędzia do automatyzacji, ale podstawy kodu i tak ułatwiają pracę.
4. Pracy z kontekstem. Poznaj RAG, wywoływanie narzędzi i MCP. Naucz się też oceniać, kiedy prompt nie wystarczy i warto rozważyć fine-tuning lub inny model.
5. Wiedzy dziedzinowej. Znajomość prawa, medycyny, finansów czy języka polskiego pomaga ocenić, czy odpowiedź modelu jest naprawdę dobra. Jeśli to Twoja główna przewaga, sprawdź także pracę trenera AI.

Co pokazać w CV i na rozmowie

Zamiast pisać „znam prompt engineering”, opisz konkretny problem: jakie zadanie rozwiązywał prompt, jak mierzyłeś lub mierzyłaś jakość, ile przypadków testowych przygotowano i co zmieniło się po poprawkach. Mały projekt z publicznym zestawem testów i opisem nieudanych prób mówi rekruterowi więcej niż lista certyfikatów.

Przygotuj się też na pytanie, co zrobić, gdy model zaczyna odpowiadać gorzej po aktualizacji. Dobra odpowiedź obejmuje przypięcie wersji modelu, ponowne uruchomienie testów i porównanie wyników ze stanem sprzed zmiany.

Gdzie szukać ofert

Ponieważ sama nazwa „prompt engineer” występuje rzadko, szukaj pod pokrewnymi hasłami:

• AI Engineer i LLM Engineer - role techniczne, w których prompting jest codziennym narzędziem.
• Agenci AI - tu przydaje się najbardziej myślenie o kontekście i narzędziach.
• Product Manager AI - dla osób łączących prompting z rozumieniem produktu.
• Trener AI - dobre wejście dla osób bez doświadczenia programistycznego.

Widełki wynagrodzeń z ofert, które je podają, znajdziesz na stronie zarobków w AI, a szersze wskazówki w przewodniku po szukaniu pracy w AI. Aktualną sytuację na rynku pokazuje nasz tygodniowy raport.

Źródła

• Anthropic: Effective context engineering for AI agents (29 września 2025)
• Anthropic: Prompt engineering overview
• OpenAI: Prompt engineering
• Google: Prompt design strategies
• Dane o ofertach: baza pracawai.pl; przegląd opisów ogłoszeń z listopada 2026 r.